AI Job Search:让 Claude 替你投简历的开源求职框架

每天打开招聘网站,海投几十份简历,然后石沉大海——这是大多数求职者的真实写照。MadsLorentzen/ai-job-search 想要改变这件事。它不是一个"AI 求职工具"那么简单,而是一个基于 Claude Code 的求职操作系统:你 fork 它,填上自己的资料,然后让 Claude 自动评估岗位匹配度、定制简历、写求职信、模拟面试。

GitHub Trending 今日榜首,24 小时内斩获 2500+ Star,总 Star 数已经突破 1.3 万。这个数字背后,是 AI 时代求职者集体焦虑的一次集中爆发。

背景:求职这件事,正在被 AI 重新定义

2024 年以来,AI 工具在求职领域的渗透速度远超预期。LinkedIn 数据显示,超过 60% 的求职者在用 ChatGPT 修改简历,Recruiter 端使用 AI 筛简历的比例甚至更高。但市面上的工具大多停留在"润色文案"层面,真正端到端接管求职流程的几乎没有。

ai-job-search 的思路不一样:它把求职当成一个软件工程问题来解决。JD(Job Description)是输入,投递动作是输出,中间所有的"匹配-定制-投递-跟进"环节,全部交给 Claude Code 这个 Agent 来执行。

仓库作者 MadsLorentzen 自己就是一个被这套流程"自动化求职"过的工程师,他在 README 里写得很直白:"我花了 200 个小时调教这个项目,现在它替我投简历。"

能做什么:四大核心能力

1. 岗位匹配度评估

把 JD 丢进 Claude,它会基于你的 profile 做一份结构化评估:技能匹配度、经验匹配度、薪资预期匹配度、文化契合度,最后给出一个 0-100 的综合分。你可以设定一个阈值(比如 75 分),低于这个分的岗位直接跳过,避免无效投递。

2. CV 自动定制

这是最实用的功能。同一个候选人,投算法岗和投工程岗的简历侧重点完全不同。Claude 会根据 JD 的关键词,自动从你的"经历库"里挑出最相关的项目,重排顺序,调整措辞,生成一份针对性的 CV 变体。

3. Cover Letter 自动撰写

求职信是最容易被求职者忽视、但 Recruiter 最看重的环节。ai-job-search 生成的 Cover Letter 不会写成那种"贵司是我梦想中的公司"的客套话模板,而是基于 JD 的具体要求 + 你的具体经历,写出一封言之有物的邮件。

4. 面试准备

通过 JD 反推这个岗位会问什么问题,再结合你的简历生成可能被"挖坑"的点,提前准备好 STAR 法则的回答。等于在你面试之前,Claude 已经替你"面"过一轮了。

为什么值得:三个层面

对个人求职者:把"求职"从体力活变成策略活

传统求职是一个重复劳动密集型的工作:每天刷 LinkedIn、Indeed、Glassdoor,看到合适的就改简历、写信、投递。这个过程占用了大量本可以用于"提升技能"或"休息"的时间。

ai-job-search 把这些重复劳动全部外包给 Claude,你只需要每天花 10 分钟审阅 Claude 的产出、做决策,效率提升至少 5 倍。作者本人在 Twitter 上分享过他的数据:用这套系统求职,投递到面试的转化率提升了 3 倍。

对 AI Agent 爱好者:一个真实可用的 Agent 应用模板

市面上的 AI Agent 教程大多停留在"用 LangChain 写一个聊天机器人"这种 Demo 级别。ai-job-search 是一个真实场景下的 Agent 应用——它有完整的状态管理(简历库、投递记录、面试跟进)、有工具调用(读取文件、调用 Claude API)、有自我反思(评估投递结果、调整策略)。

对于想学习 Agent 架构的开发者来说,fork 这个项目读一遍代码,比读 10 篇论文都管用。

对开源社区:一个高质量的 prompt + 工具链合集

仓库里沉淀了大量针对求职场景的 System Prompt,这些 Prompt 本身就有很高的复用价值。即使你不用 Claude Code,也可以把这些 Prompt 抄过去用到任何 LLM 上。

快速上手:Docker 一键启动

前置条件

• Claude Code CLI(已配置 API Key)

• Git

• Docker(可选,用于本地数据库)

三步部署

第一步:Fork 仓库并克隆

git clone https://github.com/your-username/ai-job-search.git
cd ai-job-search
cp .env.example .env

第二步:填写你的 Profile

在 profile/ 目录下有一系列 Markdown 文件:

• bio.md —— 个人简介

• experience.md —— 工作经历

• skills.md —— 技能清单

• preferences.md —— 求职偏好(薪资、地区、行业)

填得越详细,Claude 的评估就越准。

第三步:启动 Claude Code 跑流程

claude code
> /find-jobs --source linkedin --keyword "AI engineer" --location "remote"

Claude 会自动开始:抓取 JD → 评估匹配度 → 生成定制 CV → 写 Cover Letter → 提交投递。整个过程你只需要在关键决策点(比如"这家公司要不要投")做 Yes/No 选择。

可选:用 Docker 跑本地数据库

docker run -d \
  --name ai-job-search-db \
  -e POSTGRES_PASSWORD=secret \
  -e POSTGRES_DB=jobsearch \
  -p 5432:5432 \
  -v jobsearch_data:/var/lib/postgresql/data \
  postgres:16

数据持久化保留你所有投递记录、面试反馈,方便后续做数据复盘。

适合谁

适合:

• 正在找工作的工程师、产品经理、设计师(任何需要投简历的角色)

• 想用 AI 提升个人效率的 Agent 重度用户

• 学习 LLM Agent 架构的开发者(这是一个教科书级别的真实案例)

• 被求职流程折磨得心力交瘁、想"外包"重复劳动的人

不适合:

• 简历内容是伪造的、想靠 AI 蒙混过关的人(这套系统的价值在于"放大真实经历",不是"无中生有")

• 求职方向还不明确的人(你需要先有清晰的 profile,AI 才能帮你匹配)

• 期待"全自动"的人(Claude 会做初筛,但最终决策权始终在你手里)

局限与风险

诚实地说,这套系统也不是万能的。

1. 平台合规风险:LinkedIn 等平台对自动化操作有严格的反爬机制,频繁自动投递可能触发账号封禁。建议控制频率,设置合理间隔。
2. AI 生成的"模板感":如果 Recruiter 也用 AI 筛简历,AI 生成的 Cover Letter 可能会被识别出来。关键节点建议人工润色。
3. 隐私问题:把个人简历、JD 数据喂给 Claude,等于把求职隐私交给第三方 API。敏感信息(身份证号、薪资细节)建议脱敏后再填入。
4. 依赖 Claude 质量:如果 Claude API 抽风或者被限速,整个流程会卡住。建议准备备用 API Key 或者本地模型 fallback。

链接

• GitHub 仓库:https://github.com/MadsLorentzen/ai-job-search

• 作者 Twitter:@MadsLorentzen(可在 X 上搜索)

• Claude Code 文档:https://docs.claude.com/claude-code

• Star 历史趋势:https://star-history.com/#MadsLorentzen/ai-job-search

总结

ai-job-search 不只是一个工具,它代表了 AI Agent 时代的一种新范式:把"个人流程"软件化、自动化、可迭代。求职只是第一个落地场景,这套思路可以平移到"找房子"、"找对象"、"做投资决策"等任何重复劳动密集型任务。

如果你正处在求职焦虑中,或者对 AI Agent 落地应用感兴趣,这个 1.3 万 Star 的项目值得你花一个周末认真把玩。